代码资源链接
MATLAB实现智能计算方法课程所有实验代码资源链接为:MATLAB实现智能计算方法课程所有实验代码资源
Github仓库地址为:github.com/lazyn1997/C…
gitee仓库地址为:gitee.com/lazyn/CSDN_…
读者们可以点击各个实验的标题查看对应的博客
实验一 模糊聚类分析
- 根据下面表格中的数据,用Matlab(或Python)编程进行数据标准化处理;
- 根据标准化处理后的数据,用Matlab(或Python)编程,建立模糊相似矩阵,并编程求出其传递闭包矩阵;
- 根据模糊等价矩阵,编程绘制动态聚类图;
- 根据原始数据,编程确定最佳分类结果。
no | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 |
---|---|---|---|---|---|---|
x1 | 21 | 63 | 19 | 40 | 1.567 | 106 |
x2 | 23 | 74 | 30 | 75 | 2.693 | 54 |
x3 | 119 | 179 | 86 | 118 | 6.897 | 9 |
x4 | 115 | 168 | 49 | 89 | 2.637 | 29 |
x5 | 79 | 146 | 46 | 92 | 2.356 | 24 |
x6 | 79 | 158 | 48 | 103 | 2.142 | 7 |
x7 | 65 | 114 | 58 | 99 | 2.679 | 7 |
x8 | 68 | 119 | 58 | 96 | 3.099 | 6 |
x9 | 109 | 166 | 59 | 95 | 2.868 | 6 |
x10 | 118 | 177 | 56 | 89 | 2.64 | 7 |
实验二 模糊控制仿真实验
利用Fuzzy工具箱,设计洗衣机洗涤时间的模糊控制器,已知人的操作经验为:
- 污泥越多,油脂越多,洗涤时间越长;
- 污泥适中,油脂适中,洗涤时间适中;
- 污泥越少,油脂越少,洗涤时间越短。
X | Y | z |
---|---|---|
SD | NG | VS |
SD | MG | M |
SD | LG | L |
MD | NG | S |
MD | MG | M |
MD | LG | L |
LD | NG | M |
LD | MG | L |
LD | LG | VL |
其中,SD(污泥少)、MD(污泥中)、LD(污泥多)、NG(油脂少)、MG(油脂中)、LG(油脂多)、VS(洗涤时间很短)、S(洗涤时间短)、M(洗涤时间中等)、L(洗涤时间长)、VL(洗涤时间很长)。
- 假设污泥、油脂、洗涤时间的论域分别为0-100,0-100,1-120,用fuzzy工具箱设计相应的模糊推理系统,给出具体的步骤和输入、输出语言变量的隶属函数图、模糊控制规则表和推理结论立体图。
- 假定污泥=60,油脂=70,给出推理图和结果。
实验三 BP神经网络
利用BP神经网络,解决性别分类问题:
- 原始数据student.xls,部分数据放入报告中即可;
- 以身高、体重为输入,性别为输出,设计网络结构(以图的形式放入报告);
- 手工编码(python或MATLAB),实现对性别的分类计算,并用测试数据验证模型的正确性。
- 用MATLAB工具箱编程实现模型仿真并用测试数据对性别进行预测。
测试数据1:身高(162cm),体重(56kg),性别(女)。
测试数据2:身高(172cm),体重(75kg),性别(男)。
实验四 RBF神经网络
1. 利用RBF神经网络,解决异或问题
- 异或问题本质上是一个二分类问题:输入为向量[x1,x2],输出是标量,取值限定为0或1。
序号 | x1 | x2 | D期望输出 |
---|---|---|---|
1 | 0 | 0 | 0 |
2 | 0 | 1 | 1 |
3 | 1 | 0 | 1 |
4 | 1 | 1 | 0 |
- 设计网络结构(以图的形式放入报告);
- 手工编码(python或MATLAB),实现对异或问题的分类计算。
- 用MATLAB工具箱编程实现模型仿真。
测试数据1:x1=0.95,x2=0.03。
测试数据2:x1=0.92,x2=0.89。
2. 曲线拟合
- 给定一系列已知的采样点,就可以近似确定在某未知自变量位置处的函数值(18个点)
X=-9,-8,-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7,8,9
Y=-129,-32,-118,-138,-125,-97,-55,-23,-4,2,1,-31,-72,-121,-142,-174,-155,-77
- 手工编码(python或MATLAB),实现曲线拟合。
- 用MATLAB工具箱编程实现曲线拟合,改变spread,观察拟合结果并截图放入报告中。
实验五 Hopfield神经网络
在三维平面上,定义两个平衡点(1,-1,1)和(-1,1,-1),使所有的输入向量经过迭代最后都收敛到这两个点。
- 给出手工计算过程,并用代码(python或matlab)实现;
- 设计网络结构(以图的形式放入报告);
- 用MATLAB工具箱编程实现模型仿真。
实验六 支持向量机
利用支持向量机,构造性别分类器:
- 以身高、体重为输入,性别为输出,设计支持向量机;
- 手工编码或工具箱编码(python或MATLAB),实现对性别的分类计算,并用测试数据验证模型的正确性。
- 用测试数据对性别进行预测。
测试数据1:身高(162cm),体重(56kg),性别(女)。
测试数据2:身高(172cm),体重(75kg),性别(男)。
实验七 遗传算法
-
利用遗传算法,解决下列函数优化求解:
{minF(x,y)=(x−3.5)2+(y+4)21<x,y<10left{ begin{array}{l}
min F(x,y) = {(x – 3.5)^2} + {(y + 4)^2}\
1 < x,y < 10
end{array} right. -
利用遗传算法,求函数 f(x)=x+10sin(5x)+7cos(4x)f(x) = x + 10sin (5x) + 7cos (4x) 的最大值,其中 0≤x≤9{rm{0}} le x le 9 。